روشی برای زمان بندی آگاهانه انرژی با استفاده از پارامترهای مدل ریاضیات فرکتال در رایانش ابری

با گسترش سریع رایانش ابری، چگونگی کاهش مصرف انرژی و دستیابی به ظرفیت محاسباتی بالا به یک چالش مهم و به روز تبدیل شده است. طرح زمان بندی ماشین های مجازی (VMs) بیشتر بر روی افزایش بهره وری منابع خوشه (cluster) و کاهش توان مصرفی از طریق بهبود الگوریتم هایی مانند bin-packing تمرکز داشته است. با این حال اجرای اپلیکیشن های گوناگون فشرده بر روی ماشین های مجازی در سناریوهای واقعی تاثیر به سزایی در کارایی سیستم و صمرف انرژی دارد. همچنین، بارهای پیک لحظه ای ممکن است منجر به خطای زمان بندی شده که می تواند به طور چشمگیری مانع از بهره وری انرژی الگوریتم های زمان بندی شود. در این نوشتار روش پیش بینی جدید پیشنهاد می شود که بر مبنای مدل پیش بینی ریاضیات فرکتا (fractal mathematics) است. این مدل می تواند به الگوریتم پیشنهادی برای تصمیم گیری جهت خاموش و روشن کردن میزانها (HOST) کمک کند.

Keywords:

رایانش ابری , بهینه سازی آگاه انرژی , ریاضیات فرکتال , ماشین مجازی